Gemeinsame Muster finden
Das Paket chipenrich stellt die Funktion chipenrich() bereit, um Gen-Gruppen zu identifizieren, die häufiger mit ChIP-seq-Peaks assoziiert sind, als es zufällig zu erwarten wäre. Dafür ist es wichtig festzulegen, wie Gene zusammengefasst werden sollen. In dieser Übung schaust du dir die Hallmark-Gensets an, die am Broad Institute definiert wurden.
Normalerweise würdest du die Analyse auf differentiell gebundene Peaks beschränken, um die molekularen Prozesse hervorzuheben, die die beiden Probengruppen unterscheiden. Aufgrund der kleinen Stichprobengröße der vorliegenden Daten betrachtest du hier jedoch einfach Peaks mit stärkerem Signal in den therapieresistenten Tumorproben.
Diese Übung ist Teil des Kurses
<Kurs>ChIP-seq mit Bioconductor in R</Kurs>Übungsanweisungen
- Wähle alle Peaks mit höherer Intensität in den therapieresistenten Proben als in den Primärtumorproben aus.
- Führe die Anreicherungsanalyse aus.
- Gib die Ergebnisse der Analyse aus.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Select all peaks with higher intensity in treatment resistant samples
turp_peaks <- peaks_binding[, "GSM1598218"] + peaks_binding[, "GSM1598219"] < ___[, "GSM1598223"] + ___[, "GSM1598225"]
# Run enrichment analysis
enrich_turp <- ___(peaks_comb[turp_peaks, ], genome="hg19",
genesets = "hallmark", out_name = NULL,
locusdef = "nearest_tss", qc_plots=FALSE)
# Print the results of the analysis
___(enrich_turp$results)